تعیین محدوده لایه RNFL شبکیه در OCT افراد با آتروفی عصب اپتیک به وسیله تکنیک هوش مصنوعی
[پایان نامه]
احسان هدایتی
دانشگاه علوم پزشکی تهران، دانشکده پزشکی
۱۴۰۱
۶۰ص
دکتری تخصصی
چشم پزشکی
هدف: مقایسه ی سگمنتاسیون لایه RNFL شبکیه در OCT بیماران مبتلا به آتروفی عصب اپتیک، توسط تکنیک هوش مصنوعی (conventional neural network) و روش استاندارد دستگاه هایدلبرگ (automated retinal analysis)نوع مطالعه: مطالعه ی مقطعیروش اجرا: این مطالعه به صورت گذشته نگر بر روی اطلاعات به دست آمده از تصاویر RNFL OCT 194 چشم سالم، و 166 چشم مبتلا به آتروفی عصب اپتیک (82 چشم مبتلا بهAION و 84 چشم مبتلا به نوریت اپتیک) که در درمانگاه نوروافتالمولوژی بیمارستان فارابی تحت درمان قرار گرفته اند، صورت گرفت. سگمنتاسیون و ضخامت لایه هایRNFL توسط سه روش متفاوت، شامل روش دستی توسط فرد ماهر، سگمنتاسیون اتوماتیک و استاندارد دستگاه هایدلبرگ و سگمنتاسیون توسط هوش مصنوعی (conventional neural network) بررسی و مقایسه شدند. اطلاعات بدست آمده توسط نرم افزار SPSS نسخه 23 تحليل شد.نتایج: در بررسی تصاویر نرمال و گروه Optic neuritis (ON)، سه روش اندازه گیری تفاوت معنی داری در مقدار ضخامت RNFL نداشتند و همبستگی بالایی با هم نشان دادند ولی در گروهNAION، ضخامت RNFL سگمنتاسیون اتوماتیک OCT (64.4 ± 21.3 µm ) با مقادیر سگمنتاسیون دستی (69.7 ± 19.3) و سگمنتاسیون توسط U-net (70.5 ± 19.4 µm) تفاوتی معنی دار داشت ولی سگمنتاسیون U-net و سگمنتاسیون دستی تفاوتی با یکدیگر نداشتند بحث و نتیجه گیری: در این پایان نامه برای اولین بار، الگوریتم U-net هوش مصنوعی طراحی گردید که در آن سگمنتاسیون خودکار لایه RNFL در بیماران با آتروفی عصب اپتیک در زمینه ON و AION را انجام داده و نتایج آن را با روش دستی و روش اتوماتیک دستگاه OCT مقایسه کرده ایم. عملکرد مدل U-net در بیماران AIONدر مقایسه با روش اتوماتیک دستگاه OCT عملکرد بهتری دارد و خطای سگمنتاسیون کمتری در آن مشاهده شده و دقتی مشابه با روش دستی دارد. در آینده، این مدل U-Net می تواند برای حل خطاهای تقسیم خودکار لایه های مختلف شبکیه و عصب اپتیک و همچنین کمک به پزشکان و محققام در تفسیر تصاویر OCT استفاده شود.